節(jié)點(diǎn)自定位與目標(biāo)跟蹤同時(shí)進(jìn)行的分布式算法

節(jié)點(diǎn)自定位與目標(biāo)跟蹤同時(shí)進(jìn)行的分布式算法
【專利摘要】本發(fā)明提供節(jié)點(diǎn)自定位與目標(biāo)跟蹤同時(shí)進(jìn)行的分布式算法，設(shè)置若干簇頭節(jié)點(diǎn)位置已知，若干普通節(jié)點(diǎn)未知，并設(shè)置存在移動(dòng)目標(biāo)，所述移動(dòng)目標(biāo)在整個(gè)區(qū)域內(nèi)隨機(jī)運(yùn)動(dòng)，同時(shí)設(shè)置將整個(gè)區(qū)域被隨機(jī)劃分為M個(gè)子區(qū)域，具體包括以下步驟：步驟100：進(jìn)行非完全觀測(cè)下路徑損耗模型參數(shù)估計(jì)；步驟101：在簇頭節(jié)點(diǎn)上進(jìn)行分布式目標(biāo)粗定位；步驟102：在普通節(jié)點(diǎn)上進(jìn)行目標(biāo)精確定位；步驟103：在普通節(jié)點(diǎn)上設(shè)置與目標(biāo)跟蹤同時(shí)進(jìn)行自定位。采用上述方案，可有效消除非完全觀測(cè)數(shù)據(jù)中的截?cái)嗾`差等噪聲信號(hào)的影響，保證各節(jié)點(diǎn)觀測(cè)模型與外部環(huán)境實(shí)時(shí)匹配，保證節(jié)點(diǎn)定位與目標(biāo)跟蹤同時(shí)進(jìn)行的模型匹配度。
【專利說明】節(jié)點(diǎn)自定位與目標(biāo)跟蹤同時(shí)進(jìn)行的分布式算法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于節(jié)點(diǎn)自定位與目標(biāo)跟蹤【技術(shù)領(lǐng)域】，尤其涉及的是一種非完全觀測(cè)下節(jié)點(diǎn)自定位與目標(biāo)跟蹤同時(shí)進(jìn)行的分布式算法。
【背景技術(shù)】
[0002]與機(jī)器人自主導(dǎo)航中的“同時(shí)定位與地圖構(gòu)建”(SLAM)問題類似，節(jié)點(diǎn)定位與目標(biāo)跟蹤同時(shí)進(jìn)行的算法研究也面臨一個(gè)兩難問題:為了跟蹤目標(biāo)，節(jié)點(diǎn)需要知道自身位置信息；為了節(jié)點(diǎn)自定位，多個(gè)節(jié)點(diǎn)需要明確目標(biāo)的位置信息。這就好比是一個(gè)“egg-chicken”問題。節(jié)點(diǎn)需要同時(shí)維護(hù)兩個(gè)模型，同時(shí)進(jìn)行節(jié)點(diǎn)定位與目標(biāo)跟蹤。
[0003]近年來，節(jié)點(diǎn)定位與目標(biāo)跟蹤同時(shí)進(jìn)行的算法研究成為無線定位跟蹤技術(shù)的一個(gè)研究熱點(diǎn)。該問題的初始條件下，所有的節(jié)點(diǎn)都不知道自身以及相鄰節(jié)點(diǎn)的相對(duì)位置信息，因此初始條件下各節(jié)點(diǎn)只能進(jìn)行相對(duì)獨(dú)立的目標(biāo)跟蹤。但如果被跟蹤目標(biāo)遍歷覆蓋區(qū)域內(nèi)展開的節(jié)點(diǎn)，且允許這些節(jié)點(diǎn)之間共享跟蹤信息，則最終這些節(jié)點(diǎn)可以完成自定位。即使這些節(jié)點(diǎn)無法估計(jì)或共享運(yùn)動(dòng)目標(biāo)的真實(shí)軌跡，節(jié)點(diǎn)的自定位仍可實(shí)現(xiàn)，這是因?yàn)樵撨\(yùn)動(dòng)目標(biāo)正在同時(shí)被多個(gè)節(jié)點(diǎn)觀測(cè)?；谶@一原則，現(xiàn)有技術(shù)曾提出了不同的解決方案，例如均將定位問題歸結(jié)為一個(gè)貝葉斯判決問題且將觀測(cè)的后驗(yàn)分布近似為高斯分布。不同之處在于，有的使用迭代的分布式線性化方法同時(shí)進(jìn)行節(jié)點(diǎn)定位和目標(biāo)跟蹤，其通信策略的設(shè)計(jì)過于依賴樹結(jié)技巧且需要事先設(shè)定某一節(jié)點(diǎn)的位置；有的則使用矩匹配方法且并非是分布式算法?，F(xiàn)有技術(shù)中還有將各個(gè)節(jié)點(diǎn)視為多個(gè)隱空間過程，通過建立各節(jié)點(diǎn)觀測(cè)之間的相關(guān)函數(shù)來實(shí)現(xiàn)節(jié)點(diǎn)的自定位。該算法實(shí)現(xiàn)較為簡(jiǎn)單，但需要匯聚節(jié)點(diǎn)，并非真正意義上的分布式算法且節(jié)點(diǎn)自定位時(shí)只能對(duì)數(shù)據(jù)進(jìn)行離線處理?，F(xiàn)有技術(shù)中還有將節(jié)點(diǎn)定位與目標(biāo)跟蹤同時(shí)進(jìn)行的定位算法研究歸結(jié)為一個(gè)隱馬爾可夫模型的參數(shù)估計(jì)問題，將極大似然估計(jì)方法應(yīng)用到節(jié)點(diǎn)自定位中，并實(shí)現(xiàn)了真正意義上的分布式運(yùn)算。其與上述方案相比，在應(yīng)用研究和算法推倒方面都有明顯的優(yōu)勢(shì)。
[0004]因?yàn)榫W(wǎng)絡(luò)鏈路質(zhì)量指示，功率控制等的需要，通常情況下傳感器節(jié)點(diǎn)帶有接收信號(hào)強(qiáng)度(RSS)指示器，故基于RSS觀測(cè)的節(jié)點(diǎn)定位與目標(biāo)跟蹤需要很少或根本不需要添加硬件設(shè)備，無需額外的信號(hào)傳輸，成本和計(jì)算復(fù)雜度低。但與此同時(shí)因RSS檢測(cè)方法簡(jiǎn)易，指示器自身精度有限等原因，RSS觀測(cè)多為非完全觀測(cè)數(shù)據(jù)，即不可避免的存在舍入誤差、截?cái)嗾`差及非視距誤差等，從而使觀測(cè)到的RSS值難以準(zhǔn)確反映實(shí)際的RSS。針對(duì)這一問題，現(xiàn)有解決方案在進(jìn)行節(jié)點(diǎn)定位前首先借助期望最大化算法估計(jì)路徑損耗模型的參數(shù)以提高定位的精度，其參數(shù)估計(jì)的過程需要離線數(shù)據(jù)處理，實(shí)時(shí)性較差。目標(biāo)跟蹤是一個(gè)在線的數(shù)據(jù)處理過程，因此如何在目標(biāo)跟蹤的同時(shí)實(shí)現(xiàn)路徑損耗模型參數(shù)估計(jì)和節(jié)點(diǎn)自定位的在線運(yùn)算，也是節(jié)點(diǎn)定位與目標(biāo)跟蹤同時(shí)進(jìn)行的算法研究亟待解決的一個(gè)關(guān)鍵問題?，F(xiàn)有解決方案提出了一種在線的區(qū)域定位序列算法，使用檢測(cè)方法實(shí)現(xiàn)了目標(biāo)的在線定位。有的解決方案則系統(tǒng)分析了廣義狀態(tài)空間模型的參數(shù)在線估計(jì)問題，以粒子濾波的觀測(cè)數(shù)據(jù)概率密度函數(shù)的預(yù)測(cè)和濾波為基礎(chǔ)，從極大似然估計(jì)和貝葉斯估計(jì)兩個(gè)方面入手給出了多種在線期望最大化算法和在線梯度速降算法，對(duì)解決上述問題有一定的借鑒意義。
[0005]因此，現(xiàn)有技術(shù)存在缺陷，需要改進(jìn)。

【發(fā)明內(nèi)容】

[0006]本發(fā)明所要解決的技術(shù)問題是針對(duì)現(xiàn)有技術(shù)的不足，提供一種非完全觀測(cè)下節(jié)點(diǎn)自定位與目標(biāo)跟蹤同時(shí)進(jìn)行的分布式算法。
[0007]本發(fā)明的技術(shù)方案如下:
[0008]節(jié)點(diǎn)自定位與目標(biāo)跟蹤同時(shí)進(jìn)行的分布式算法，其中，設(shè)置若干簇頭節(jié)點(diǎn)位置已知，若干普通節(jié)點(diǎn)未知，并設(shè)置存在移動(dòng)目標(biāo)，所述移動(dòng)目標(biāo)在整個(gè)區(qū)域內(nèi)隨機(jī)運(yùn)動(dòng)，同時(shí)設(shè)置將整個(gè)區(qū)域被隨機(jī)劃分為M個(gè)子區(qū)域，具體包括以下步驟:
[0009]步驟100:針對(duì)各簇頭節(jié)點(diǎn)和普通節(jié)點(diǎn)的特定信號(hào)傳輸環(huán)境分別進(jìn)行非完全觀測(cè)下路徑損耗模型參數(shù)估計(jì)；
[0010]步驟101:在簇頭節(jié)點(diǎn)上基于多元假設(shè)檢驗(yàn)進(jìn)行分布式目標(biāo)粗定位；
[0011]步驟102:在普通節(jié)點(diǎn)上基于分布式濾波進(jìn)行目標(biāo)精確定位；
[0012]步驟103:在普通節(jié)點(diǎn)上設(shè)置與目標(biāo)跟蹤同時(shí)進(jìn)行自定位。
[0013]所述的節(jié)點(diǎn)自定位與目標(biāo)跟蹤同時(shí)進(jìn)行的分布式算法，其中，所述步驟100中，所述非完全觀測(cè)下路徑損耗模型參數(shù)估計(jì)是通過預(yù)定信息準(zhǔn)則篩選最優(yōu)路徑損耗模型，并應(yīng)用預(yù)定算法估計(jì)模型參數(shù)以消除非完全觀測(cè)數(shù)據(jù)中的截?cái)嗾`差、舍入誤差以及非視距誤差的影響。
[0014]所述的節(jié)點(diǎn)自定位與目標(biāo)跟蹤同時(shí)進(jìn)行的分布式算法，其中，所述步驟101中采用分布式的序列定位算法，具體步驟為:
[0015]步驟1010:對(duì)多個(gè)簇頭節(jié)點(diǎn)進(jìn)行感知；
[0016]步驟1011:對(duì)多個(gè)對(duì)簇頭節(jié)點(diǎn)設(shè)置相互通信；
[0017]步驟1012:對(duì)多個(gè)對(duì)簇頭節(jié)點(diǎn)設(shè)置假設(shè)檢驗(yàn)。
[0018]所述的節(jié)點(diǎn)自定位與目標(biāo)跟蹤同時(shí)進(jìn)行的分布式算法，其中，所述步驟101之后還執(zhí)行步驟IOlA:分析分布式序列定位算法的收斂性和精度，并針對(duì)定位精度、非完全觀測(cè)引入誤差及定位系統(tǒng)規(guī)模的因素，消除對(duì)所述分布式序列定位算法復(fù)雜度的影響。
[0019]所述的節(jié)點(diǎn)自定位與目標(biāo)跟蹤同時(shí)進(jìn)行的分布式算法，其中，所述步驟102的具體步驟為:在所述粗定位選定任一子區(qū)域，使用擴(kuò)展卡爾曼濾波或粒子濾波進(jìn)行目標(biāo)精確定位。
[0020]所述的節(jié)點(diǎn)自定位與目標(biāo)跟蹤同時(shí)進(jìn)行的分布式算法，其中，所述步驟103的具體步驟為:使用在線的分布式預(yù)定算法或迭代極大似然算法估計(jì)普通節(jié)點(diǎn)的自身位置，并分析算法的收斂性。
[0021]所述的節(jié)點(diǎn)自定位與目標(biāo)跟蹤同時(shí)進(jìn)行的分布式算法，其中，設(shè)置所述簇頭節(jié)點(diǎn)與所述普通節(jié)點(diǎn)分別通過不同能級(jí)與移動(dòng)目標(biāo)進(jìn)行通信，且兩類節(jié)點(diǎn)的采樣序列不同。
[0022]采用上述方案:(I)提出基于非完全觀測(cè)數(shù)據(jù)的路徑損耗模型參數(shù)在線估計(jì)算法，可有效消除非完全觀測(cè)數(shù)據(jù)中的截?cái)嗾`差、舍入誤差以及非視距誤差等噪聲信號(hào)的影響，保證各節(jié)點(diǎn)觀測(cè)模型與外部環(huán)境實(shí)時(shí)匹配，同時(shí)在線的模型參數(shù)估計(jì)利于觀測(cè)數(shù)據(jù)的實(shí)時(shí)處理，保證節(jié)點(diǎn)定位與目標(biāo)跟蹤同時(shí)進(jìn)行的模型匹配度。[0023](2)提出基于能量分級(jí)的分布式目標(biāo)跟蹤算法，高能級(jí)情況下將大尺度的目標(biāo)跟蹤問題歸結(jié)為區(qū)域定位問題，并使用多元假設(shè)檢驗(yàn)方法解決該問題；低能級(jí)情況下將小尺度的目標(biāo)跟蹤問題歸結(jié)為隱馬爾科夫模型的分布式濾波問題，并設(shè)計(jì)有效的信息傳輸策略優(yōu)化濾波結(jié)果。
[0024](3)實(shí)現(xiàn)與目標(biāo)跟蹤同時(shí)進(jìn)行的分布式節(jié)點(diǎn)自定位，設(shè)計(jì)在線的分布式期望最大化方法估計(jì)節(jié)點(diǎn)自身位置。
【專利附圖】

【附圖說明】
[0025]圖1為本發(fā)明的節(jié)點(diǎn)定位與目標(biāo)跟蹤示意圖。
[0026]圖2為本發(fā)明簇頭節(jié)點(diǎn)和普通節(jié)點(diǎn)運(yùn)算框圖。
[0027]圖3為本發(fā)明簇頭節(jié)點(diǎn)和普通節(jié)點(diǎn)運(yùn)算具體流程圖。
【具體實(shí)施方式】
[0028]以下結(jié)合附圖和具體實(shí)施例，對(duì)本發(fā)明進(jìn)行詳細(xì)說明。
[0029]實(shí)施例1
[0030]如圖1所示,大空心圓表示簇頭節(jié)點(diǎn)，小空心圓表示普通節(jié)點(diǎn)，實(shí)心圓表示移動(dòng)目標(biāo)，其中簇頭節(jié)點(diǎn)位置已知，整個(gè)區(qū)域被隨機(jī)劃分為M個(gè)子區(qū)域Wa，a e [1，...Μ]，移動(dòng)目標(biāo)在整個(gè)區(qū)域內(nèi)隨機(jī)運(yùn)動(dòng)。首先，當(dāng)目標(biāo)進(jìn)入某一子區(qū)域時(shí)，附近簇頭節(jié)點(diǎn)i被激活，與臨近的多個(gè)簇頭節(jié)點(diǎn)協(xié)同工作確定目標(biāo)所在子區(qū)域I。然后，子區(qū)域Wi及相鄰區(qū)域內(nèi)普通節(jié)點(diǎn)被激活，協(xié)同完成運(yùn)動(dòng)目標(biāo)精確定位及普通節(jié)點(diǎn)的自定位。
[0031]本算法是在簇頭節(jié)點(diǎn)和普通節(jié)點(diǎn)的運(yùn)算中心上分別實(shí)現(xiàn)。首先，各簇頭節(jié)點(diǎn)基于期望最大化(EM)算法在線進(jìn)行觀測(cè)模型參數(shù)估計(jì)，并協(xié)同完成基于分布式序列檢驗(yàn)的目標(biāo)粗定位；然后，普通節(jié)點(diǎn)在各簇頭節(jié)點(diǎn)估計(jì)結(jié)果的基礎(chǔ)上在線進(jìn)行觀測(cè)模型參數(shù)估計(jì)，并通過分布式濾波和似然估計(jì)協(xié)同完成目標(biāo)的精確定位和節(jié)點(diǎn)自定位，具體如圖2所示。
[0032]如圖2所示:(I)非完全觀測(cè)下路徑損耗模型參數(shù)估計(jì):針對(duì)各簇頭節(jié)點(diǎn)和普通節(jié)點(diǎn)的特定信號(hào)傳輸環(huán)境分別展開。通過Akaike信息準(zhǔn)則篩選最優(yōu)路徑損耗模型；應(yīng)用EM算法估計(jì)模型參數(shù)以消除非完全觀測(cè)數(shù)據(jù)中的截?cái)嗾`差、舍入誤差以及非視距誤差等噪聲信號(hào)的影響；設(shè)計(jì)滑動(dòng)窗口，使用有限的非完全觀測(cè)數(shù)據(jù)在線實(shí)時(shí)估計(jì)模型參數(shù)。
[0033](2)基于能量分級(jí)的分布式目標(biāo)跟蹤:運(yùn)動(dòng)目標(biāo)發(fā)射信號(hào)強(qiáng)度可分為不同等級(jí)，擬通過兩級(jí)發(fā)射信號(hào)能量在不同尺度下使用分布式算法跟蹤運(yùn)動(dòng)目標(biāo)，提高目標(biāo)跟蹤的靈活性和精確度。
[0034](a)基于多元假設(shè)檢驗(yàn)的分布式目標(biāo)粗定位:在簇頭節(jié)點(diǎn)上實(shí)現(xiàn)。在此，將大尺度的目標(biāo)跟蹤問題歸結(jié)為一個(gè)區(qū)域定位問題，并使用基于極大后驗(yàn)估計(jì)的多元假設(shè)檢驗(yàn)方法解決該問題。在極大后驗(yàn)估計(jì)收斂性分析的基礎(chǔ)上，設(shè)計(jì)分布式的序列定位算法，通過節(jié)點(diǎn)感知，多節(jié)點(diǎn)相互通信和假設(shè)檢驗(yàn)三步來實(shí)現(xiàn)區(qū)域定位，并分析分布式序列定位算法的收斂性和精度，研究定位精度、非完全觀測(cè)引入誤差及定位系統(tǒng)規(guī)模等因素對(duì)定位算法復(fù)雜度的影響。
[0035](b)基于分布式濾波的目標(biāo)精確定位:在普通節(jié)點(diǎn)上實(shí)現(xiàn)。在上述目標(biāo)粗定位選定的子區(qū)域內(nèi)，使用擴(kuò)展卡爾曼濾波(EKF)或粒子濾波(PF)進(jìn)行目標(biāo)精確定位。將子區(qū)域內(nèi)小尺度的目標(biāo)跟蹤問題歸結(jié)為一個(gè)隱馬爾科夫模型(HMM)的濾波問題，設(shè)計(jì)有效的信息傳輸策略，降低普通節(jié)點(diǎn)與相鄰節(jié)點(diǎn)間的通信量，實(shí)現(xiàn)分布式濾波的優(yōu)化。
[0036](3)與目標(biāo)跟蹤同時(shí)進(jìn)行的分布式節(jié)點(diǎn)自定位:將與目標(biāo)跟蹤同時(shí)進(jìn)行的分布式普通節(jié)點(diǎn)自定位問題歸結(jié)為一個(gè)HMM的靜態(tài)參數(shù)估計(jì)問題。使用在線的分布式EM算法或迭代極大似然(RML)算法估計(jì)普通節(jié)點(diǎn)的自身位置，并分析算法的收斂性。
[0037]本發(fā)明是在實(shí)施擬探索定位系統(tǒng)中非完全觀測(cè)下的路徑損耗模型參數(shù)估計(jì)、能級(jí)可變的分布式假設(shè)檢驗(yàn)和分布式濾波在目標(biāo)跟蹤中的應(yīng)用以及在線的靜態(tài)隱馬爾科夫模型參數(shù)估計(jì)等問題，有效開展節(jié)點(diǎn)定位與目標(biāo)跟蹤同時(shí)進(jìn)行的分布式算法研究。
[0038]如圖3所示，(I)非完全觀測(cè)下節(jié)點(diǎn)觀測(cè)模型的參數(shù)估計(jì):簇頭節(jié)點(diǎn)和普通節(jié)點(diǎn)分別通過不同能級(jí)與移動(dòng)目標(biāo)進(jìn)行通信，且兩類節(jié)點(diǎn)的采樣序列不同。圖3中PiGO表示高能級(jí)情況下k時(shí)刻移動(dòng)目標(biāo)的發(fā)射信號(hào)強(qiáng)度，與之對(duì)應(yīng)的簇頭節(jié)點(diǎn)i的接受信號(hào)強(qiáng)度則為ri(k)，低能級(jí)情況下簇頭節(jié)點(diǎn)與移動(dòng)目標(biāo)無法通信；p^n)表示高能級(jí)情況下η時(shí)刻移動(dòng)目
標(biāo)的發(fā)射信號(hào)強(qiáng)度，與之對(duì)應(yīng)的普通節(jié)點(diǎn)j的接受信號(hào)強(qiáng)度則為h (η)，表示低能級(jí)情況下η時(shí)刻移動(dòng)目標(biāo)的發(fā)射信號(hào)強(qiáng)度，與之對(duì)應(yīng)的普通節(jié)點(diǎn)j的接受信號(hào)強(qiáng)度則為
。簇頭節(jié)點(diǎn)和普通節(jié)點(diǎn)估計(jì)各自觀測(cè)模型參數(shù)的方法是相同的:首先，通過Akaike信息準(zhǔn)則篩選最優(yōu)路徑損耗模型；然后設(shè)計(jì)滑動(dòng)窗口，使用EM算法借助有限的非完全觀測(cè)在線估計(jì)模型參數(shù)；最后得到一組路徑損耗模型參數(shù)的估計(jì)值β。不同點(diǎn)在于，簇頭節(jié)點(diǎn)i僅使用高能級(jí)觀測(cè)數(shù)據(jù){Pi (k)，r, (k)}，而普通節(jié)點(diǎn)j則同時(shí)使用高能級(jí)觀測(cè)數(shù)據(jù){Pj (η)，rj (η)}
和低能級(jí)觀測(cè)數(shù)據(jù)的咖;(》)}


O
[0039](2)基于能量分級(jí)的分布式目標(biāo)跟蹤:實(shí)現(xiàn)了上述模型參數(shù)估計(jì)，簇頭節(jié)點(diǎn)i在高能級(jí)觀測(cè)下與相鄰子區(qū)域內(nèi)的其他簇頭節(jié)點(diǎn)協(xié)同完成分布式目標(biāo)粗定位；以粗定位結(jié)果為基礎(chǔ)，普通節(jié)點(diǎn)j則在兩種能級(jí)觀測(cè)下與其他鄰居節(jié)點(diǎn)協(xié)作進(jìn)行目標(biāo)的分布式精確跟蹤。
[0040](a)基于多元假設(shè)檢驗(yàn)的分布式目標(biāo)粗定位:圖3中{…!^ —，！^ +廣..}表示與簇頭節(jié)點(diǎn)i相鄰的其他簇頭節(jié)點(diǎn)進(jìn)行目標(biāo)區(qū)域定位的判決結(jié)果，以此為基礎(chǔ)，簇頭節(jié)點(diǎn)i通過節(jié)點(diǎn)感知、多節(jié)點(diǎn)交互和多元假設(shè)檢驗(yàn)三個(gè)步驟來完成區(qū)域定位Hi=Ili {WJ，該結(jié)果表示簇頭節(jié)點(diǎn)i判定運(yùn)動(dòng)目標(biāo)在子區(qū)域Wi內(nèi)。
[0041](b)基于分布式濾波的目標(biāo)精確定位:圖3中#M(?)、C^(Ii)不口 IV?分別表
示與普通節(jié)點(diǎn)j相鄰的某一鄰居節(jié)點(diǎn)j-ι的自身位置的估計(jì)、觀測(cè)方程的觀測(cè)轉(zhuǎn)移矩陣和觀測(cè)噪聲的協(xié)方差陣。這些信息存儲(chǔ)在鄰居節(jié)點(diǎn)j-Ι上，可通過無線傳輸?shù)焦?jié)點(diǎn)j。普通節(jié)點(diǎn)j收到的矩陣
【權(quán)利要求】
1.節(jié)點(diǎn)自定位與目標(biāo)跟蹤同時(shí)進(jìn)行的分布式算法，其特征在于，設(shè)置若干簇頭節(jié)點(diǎn)位置已知，若干普通節(jié)點(diǎn)未知，并設(shè)置存在移動(dòng)目標(biāo)，所述移動(dòng)目標(biāo)在整個(gè)區(qū)域內(nèi)隨機(jī)運(yùn)動(dòng)，同時(shí)設(shè)置將整個(gè)區(qū)域被隨機(jī)劃分為M個(gè)子區(qū)域，具體包括以下步驟: 步驟100:針對(duì)各簇頭節(jié)點(diǎn)和普通節(jié)點(diǎn)的特定信號(hào)傳輸環(huán)境分別進(jìn)行非完全觀測(cè)下路徑損耗模型參數(shù)估計(jì)； 步驟101:在簇頭節(jié)點(diǎn)上基于多元假設(shè)檢驗(yàn)進(jìn)行分布式目標(biāo)粗定位； 步驟102:在普通節(jié)點(diǎn)上基于分布式濾波進(jìn)行目標(biāo)精確定位； 步驟103:在普通節(jié)點(diǎn)上設(shè)置與目標(biāo)跟蹤同時(shí)進(jìn)行自定位。
2.如權(quán)利要求1所述的節(jié)點(diǎn)自定位與目標(biāo)跟蹤同時(shí)進(jìn)行的分布式算法，其特征在于，所述步驟100中，所述非完全觀測(cè)下路徑損耗模型參數(shù)估計(jì)是通過預(yù)定信息準(zhǔn)則篩選最優(yōu)路徑損耗模型，并應(yīng)用預(yù)定算法估計(jì)模型參數(shù)以消除非完全觀測(cè)數(shù)據(jù)中的截?cái)嗾`差、舍入誤差以及非視距誤差的影響。
3.如權(quán)利要求1所述的節(jié)點(diǎn)自定位與目標(biāo)跟蹤同時(shí)進(jìn)行的分布式算法，其特征在于，所述步驟101中采用分布式的序列定位算法，具體步驟為: 步驟1010:對(duì)多個(gè)簇頭節(jié)點(diǎn)進(jìn)行感知； 步驟1011:對(duì)多個(gè)對(duì)簇頭節(jié)點(diǎn)設(shè)置相互通信； 步驟1012:對(duì)多個(gè)對(duì)簇頭節(jié)點(diǎn)設(shè)置假設(shè)檢驗(yàn)。
4.如權(quán)利要求3所述的節(jié)點(diǎn)自定位與目標(biāo)跟蹤同時(shí)進(jìn)行的分布式算法，其特征在于，所述步驟101之后還執(zhí)行步驟IOlA:分析分布式序列定位算法的收斂性和精度，并針對(duì)定位精度、非完全觀測(cè)引入誤差及定位系統(tǒng)規(guī)模的因素，消除對(duì)所述分布式序列定位算法復(fù)雜度的影響。
5.如權(quán)利要求1所述的節(jié)點(diǎn)自定位與目標(biāo)跟蹤同時(shí)進(jìn)行的分布式算法，其特征在于，所述步驟102的具體步驟為:在所述粗定位選定任一子區(qū)域，使用擴(kuò)展卡爾曼濾波或粒子濾波進(jìn)行目標(biāo)精確定位。
6.如權(quán)利要求1所述的節(jié)點(diǎn)自定位與目標(biāo)跟蹤同時(shí)進(jìn)行的分布式算法，其特征在于，所述步驟103的具體步驟為:使用在線的分布式預(yù)定算法或迭代極大似然算法估計(jì)普通節(jié)點(diǎn)的自身位置，并分析算法的收斂性。
7.如權(quán)利要求1所述的節(jié)點(diǎn)自定位與目標(biāo)跟蹤同時(shí)進(jìn)行的分布式算法，其特征在于，設(shè)置所述簇頭節(jié)點(diǎn)與所述普通節(jié)點(diǎn)分別通過不同能級(jí)與移動(dòng)目標(biāo)進(jìn)行通信，且兩類節(jié)點(diǎn)的采樣序列不同。
【文檔編號(hào)】H04W64/00GK103476110SQ201310368043
【公開日】2013年12月25日 申請(qǐng)日期:2013年8月21日 優(yōu)先權(quán)日:2013年8月21日
【發(fā)明者】姜向遠(yuǎn), 張煥水 申請(qǐng)人:中國(guó)石油大學(xué)(華東)